长期目标跟踪方法技术

本发明专利技术公开了一种长期目标跟踪方法，通过一个自适应更新策略，判断相关滤波器的跟踪质量，决定当前帧相关滤波是否被更新；当某一种跟踪结果不可靠时，极有可能受到背景像素污染，可能已经跟丢目标，因而，通过再检测模块生成一个疑似真实目标的候选者，来寻找丢失的目标，极大的提高了抗干扰能力，增强了目标跟踪效果。

Long term target tracking method

【技术实现步骤摘要】
长期目标跟踪方法
本专利技术涉及计算机视觉
，尤其涉及一种长期目标跟踪方法。
技术介绍
随着计算机视觉的日益发展，视觉跟踪已经广泛应用于许多计算机视觉任务，例如视频监控，视频检索和无人车感知系统。给出初始帧待跟踪目标的位置，跟踪器就可以在整个视频序列中一直跟踪该目标。虽然视觉跟踪方法取得了很大进展，但仍存在许多挑战，例如变形，遮挡，视野外，尺度变化，平面内旋转等。近年来，基于相关滤波(KCF)的方法(J.F.Henriques,R.Caseiro,P.Martins,andJ.Batista,"High-speedtrackingwithkernelizedcorrelationfilters,"IEEETransactionsonPatternAnalysisandMachineIntelligence,vol.37,no.3,pp.583-596,2015)，由于其具备高计算效率和出色的跟踪性能，在跟踪领域最受欢迎。文章[1](J.F.Henriques,R.Caseiro,P.Martins,andJ.Batista,"High-speedtrackingwithkernelizedcorrelationfilters,"IEEETransactionsonPatternAnalysisandMachineIntelligence,vol.37,no.3,pp.583-596,2015)提出传统的KCF跟踪算法流程，利用到流行的tracking–by-detection(Z.Kalal,K.Mikolajczyk,andJ.Matas,"Tracking-learning-detection,"IEEEtransactionsonpatternanalysisandmachineintelligence,vol.34,no.7,p.1409,2012)思想，KCF的总体思路为：对给定的一个训练正样本，利用周期矩阵的性质，生成大量的其余负样本并用于训练相关滤波器。根据循环矩阵的性质，DCF方法将耗时的空间相关转换为快速的傅里叶域中的元素操作。文章[2](M.Danelljan,G.Hager,F.Khan,andM.Felsberg,“Accuratescaleesti-¨mationforrobustvisualtracking,”inBritishMachineVisionConference,Nottingham,September1-5,2014.BMVAPress,2014)在原有KCF的基础上，加上尺寸预测，以应对目标跟踪过程中的尺寸变换。文章[3](L.Bertinetto,J.Valmadre,S.Golodetz,O.Miksik,andP.H.Torr,“Staple:Complementarylearnersforreal-timetracking,”inProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition,2016,pp.1401–1409)利用颜色直方图生成一个模型，与文章[2]的提出的方法结合，因此文章[3]提出的跟踪器优势互补，既拥有KCF方法强大的前景背景识别能力，也因为颜色直方图的抗旋转干扰特性，可实现更加鲁棒的跟踪。但是，上述基于相关滤波的方法都是在线学习，如果在跟踪过程的某一帧中，跟踪结果出现偏差(目标变形，遭受遮挡等因素)，这样跟踪器可能会学习到受到背景污染的样本，累积几帧后，跟踪器可能会彻底跟丢目标。由于基于相关滤波的跟踪器都是在基于目标上一帧位置附近，确定一个感兴趣区域，在当前帧寻找目标位置，而一旦目标跟丢且目标已经不在当前感兴趣区域内的时候，跟踪器是无法找回跟丢的目标的。
技术实现思路
本专利技术的目的是提供一种长期目标跟踪方法，跟踪速度满足实时需求，可解决目标跟丢等问题。本专利技术的目的是通过以下技术方案实现的：一种长期目标跟踪方法，包括：对于一段跟踪的视频序列，根据前一帧更新后的相关滤波器，预测当前帧中跟踪目标位置，根据与预测到的当前帧中跟踪目标位置相关的响应值指标，来判断预测到的当前帧中跟踪目标位置是否可靠；若可靠，则将预测到的当前帧中跟踪目标位置作为当前帧的跟踪结果，并更新当前帧的相关滤波器；若不可靠，则启动再检测模块，根据给定的前一帧中跟踪目标位置和大小生成一个疑似跟踪目标的候选者，并根据与疑似跟踪目标的候选者相关的响应值指标来判断是否满足替换条件；若是，则将疑似跟踪目标的候选者作为当前帧的跟踪结果，否则，继续保留预测到的当前帧中跟踪目标位置为当前帧的跟踪结果。由上述本专利技术提供的技术方案可以看出，通过一个自适应更新策略，判断相关滤波器的跟踪质量，决定当前帧相关滤波是否被更新；当某一种跟踪结果不可靠时，极有可能受到背景像素污染，可能已经跟丢目标，因而，通过再检测模块生成一个疑似真实目标的候选者，来寻找丢失的目标，极大的提高了抗干扰能力，增强了目标跟踪效果。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。图1为本专利技术实施例提供的一种长期目标跟踪方法的流程图；图2为本专利技术实施例提供的一种长期目标跟踪方法的流程图；图3为本专利技术实施例提供的目标区域和背景区域的示意图；图4为本专利技术实施例提供的再检测模块的原理图；图5为本专利技术实施例提供的实验结果示意图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。本专利技术实施例提供一种长期目标跟踪方法，如图1所示，其主要包括：步骤A1、对于一段跟踪的视频序列，根据前一帧更新后的相关滤波器，预测当前帧中跟踪目标位置，根据与预测到的当前帧中跟踪目标位置相关的响应值指标，来判断预测到的当前帧中跟踪目标位置是否可靠；若可靠，则转入步骤A2；若不可靠，则转入步骤A3。步骤A2、接受预测到的当前帧中的跟踪目标位置，作为当前帧的跟踪结果，并更新当前帧的相关滤波器。步骤A3、启动再检测模块，根据给定的前一帧中跟踪目标位置和大小生成一个疑似跟踪目标的候选者，并根据与疑似跟踪目标的候选者相关的响应值指标来判断是否满足替换条件；若是，则转入步骤A4；否则，转入步骤A5。步骤A4、将疑似跟踪目标的候选者作为当前帧的跟踪结果。步骤A5、依旧接受预测到的当前帧中的跟踪目标位置，作为当前帧的跟踪结果，但是并不更新当前帧的相关滤波器。上述方案的主要原理如下：一方面，由于真实的目标本文档来自技高网...

【技术保护点】
1.一种长期目标跟踪方法，其特征在于，包括：/n对于一段跟踪的视频序列，根据前一帧更新后的相关滤波器，预测当前帧中跟踪目标位置，根据与预测到的当前帧中跟踪目标位置相关的响应值指标，来判断预测到的当前帧中跟踪目标位置是否可靠；/n若可靠，则将预测到的当前帧中跟踪目标位置作为当前帧的跟踪结果，并更新当前帧的相关滤波器；/n若不可靠，则启动再检测模块，根据给定的前一帧中跟踪目标位置和大小生成一个疑似跟踪目标的候选者，并根据与疑似跟踪目标的候选者相关的响应值指标来判断是否满足替换条件；若是，则将疑似跟踪目标的候选者作为当前帧的跟踪结果，否则，继续保留预测到的当前帧中跟踪目标位置为当前帧的跟踪结果。/n

【技术特征摘要】
1.一种长期目标跟踪方法，其特征在于，包括：
对于一段跟踪的视频序列，根据前一帧更新后的相关滤波器，预测当前帧中跟踪目标位置，根据与预测到的当前帧中跟踪目标位置相关的响应值指标，来判断预测到的当前帧中跟踪目标位置是否可靠；
若可靠，则将预测到的当前帧中跟踪目标位置作为当前帧的跟踪结果，并更新当前帧的相关滤波器；
若不可靠，则启动再检测模块，根据给定的前一帧中跟踪目标位置和大小生成一个疑似跟踪目标的候选者，并根据与疑似跟踪目标的候选者相关的响应值指标来判断是否满足替换条件；若是，则将疑似跟踪目标的候选者作为当前帧的跟踪结果，否则，继续保留预测到的当前帧中跟踪目标位置为当前帧的跟踪结果。


2.根据权利要求1所述的一种长期目标跟踪方法，其特征在于，更新前一帧的相关滤波器的方式包括：
根据给定的前一帧中跟踪目标位置和大小，确定搜索区域，并提取搜索区域的特征x；
记y是符合高斯分布的特征标签，训练相关滤波器ft，优化函数如下所示：
ε(ft)＝||ft*x-y||2+λ||ft||2
其中，*表示相关运算，λ为优化函数的正则项系数；
当ε(ft)最小时，训练出第t帧的相关滤波器ft，第t帧的相关滤波器更新公式为：



其中，为第1帧到第t-1帧的相关滤波器；为更新后的为第1帧到第t帧的相关滤波器，η为固定的更新率。


3.根据权利要求1所述的一种长期目标跟踪方法，其特征在于，预测当前帧中跟踪目标位置的步骤包括：
当前帧也即第t+1帧，以第t帧的目标位置与中心裁剪出一定范围的区域作为搜索区域，并提取出相应的特征图zt+1，然后，根据前一帧的更新后的相关滤波器得到第t+1帧的跟踪目标响应图St+1：



其中，和表示对和zt+1进行傅里叶变换的结果，F-1代表逆傅里叶变换，⊙表示矩阵点乘；
通过第t+1帧的跟踪目标响应图St+1，确定第t+1帧中跟踪目标位置。


4.根据权利要求3所述的一种长期目标跟踪方法，其特征在于，与预测到的当前帧中跟踪目标位置相关的响应值指标包括：HOGR响应值与COLOR响应值；其中，
HOGR响应值的计算公式为：



其中，Smax代表St+1中的最大值，μt代表St+1的均值，σt为St+1的标准差；
COLOR响应值的计算公式为：









其中，u表示特征图zt+1中的任意一个像素，T表示前一帧的颜色直方图的权重图，T(u)表示像素u的权重，得到的和特征图zt+1大小一样，代表了特征图zt+1中的一个像素u属于目标区域的概率；B(u)是以像素u为中心的矩形区域，v表示矩形区域B(u)中的任一像素；含义为：对于像素u∈zt+1，以u为中心的矩形区域B(u)的所有像素求和，即得到了以像素u为中心的目标区域的所有像素属于目标区域的概率和，中的最大值作为第t+1帧的COLOR响应值

...

【专利技术属性】
技术研发人员：凌强，汤峰，李峰，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34